ARIMA 时间序列是什么？
ARIMA 时间序列回答的是一个变量如何由自己的过去值、过去冲击和差分后的平稳结构来预测。它适合单变量时间序列预测，不是用来解释因果机制的主工具。
先用一句话理解
把 ARIMA 想成只看一个人的历史体温来预测明天体温。它问的是这个序列过去的水平、变化和误差会怎样延续到未来。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 单个时间序列预测，且序列可通过差分达到平稳。 |
| 先不要用在 | 研究处理效应、政策因果影响或多个变量共同反馈。 |
| 最关键的前提 | 先判断平稳性，再确定 p、d、q 阶数。 |
| 读表顺序 | 先看差分阶数 d，再看 AR/MA 阶数、残差白噪声和预测误差。 |
| 论文表述边界 | ARIMA 是预测模型，不应写成因果解释。 |
把它和相近方法分清楚
| 容易混淆的对象 | 怎么区分 | 初学者记法 |
|---|---|---|
| ARIMA | 单变量由自身历史预测。 | 强调时间依赖和预测。 |
| VAR | 多个变量互相滞后影响。 | 强调系统动态。 |
| ITS | 政策中断前后水平/趋势变化。 | 强调干预评估。 |
核心直觉和模型公式
差分后的 ARMA 结构
ARIMA(p,d,q) 可概括为：
\[\phi(L)(1-L)^d y_t=\theta(L)\varepsilon_t\]
d 次差分让序列更接近平稳，p 和 q 分别描述自回归与移动平均阶数。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| y_t | 时间序列 | 被预测的单变量。 |
| L | 滞后算子 | L y_t = y_{t-1}。 |
| d | 差分阶数 | 让序列平稳所需的差分次数。 |
| φ(L) | AR 部分 | 过去的 y 如何影响现在。 |
| θ(L) | MA 部分 | 过去的冲击如何影响现在。 |
专业使用口径
专业 ARIMA 报告要把平稳性、阶数选择和残差诊断放在预测之前。
| 口径 | 专业写法 |
|---|---|
| 平稳性 | 用图和单位根检验判断是否需要差分。 |
| 阶数选择 | 结合 ACF/PACF、AIC/BIC 和残差诊断。 |
| 残差白噪声 | 模型应尽量吸收可预测结构。 |
| 预测评估 | 用留出窗口或滚动预测评估误差。 |
一步一步做：从问题到结果的五步
| 步骤 | 这一页具体做什么 | 做到什么程度才算读懂 |
|---|---|---|
| 1. 画序列图 | 观察趋势、季节性和异常点。 | 时间序列先看图。 |
| 2. 检查平稳性 | 决定是否差分。 | 非平稳直接建模会误导。 |
| 3. 选择 p,d,q | 用 ACF/PACF 和信息准则。 | 阶数过高会过拟合。 |
| 4. 检查残差 | 残差应接近白噪声。 | 残差仍有结构说明模型不足。 |
| 5. 做预测评估 | 看样本外误差。 | 预测模型必须接受预测检验。 |
结果怎么读：先读口径，再读数字
本页案例读表时，先记住这个口径：年度聚合观测 = 6；面板案例按 year 聚合。
| 读表顺序 | 本页怎么读 | 不要这样读 |
|---|---|---|
| 先看 d | 序列是否差分过。 | d 决定模型对象是水平还是变化。 |
| 再看 p/q | 历史水平和历史冲击的阶数。 | 阶数说明记忆长度。 |
| 然后看残差 | 是否还有自相关。 | 残差相关说明预测结构没建完。 |
| 最后看误差 | 预测误差是否可接受。 | ARIMA 的价值在预测表现。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 把 ARIMA 写成因果模型 | 错。它主要做时间序列预测。 |
| 不检验平稳性 | 错。非平稳序列会产生伪关系。 |
| 只按 AIC 机械选阶 | 不够。还要看残差和可解释性。 |
| 忽略季节性 | 风险高。季节模式会污染预测。 |
先看这个案例的结论
- 年度聚合观测 = 6；面板案例按 year 聚合。
- ln Patent 年趋势 = 0.0993；年度均值趋势斜率。
- DFI 年趋势 = 22.3130；数字金融指数年度变化。
- 这些数字来自页面里的结果表；写论文时先解释数值含义，再讨论理论含义。
变量要求和案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | arima_results.csv |
| 角色要求 | 因变量 |
| 依赖包 | 无额外 Stata 社区包要求 |
实际代码
下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。
import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year
global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0
collapse (mean) $y, by(year)
tsset year
arima $y, arima(1,0,1)
export delimited using "$JOB_DIR/arima_results.csv", replace实际输出表
这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。
| 指标 | 数值 | 解释 |
|---|---|---|
| 样本 | 1200 obs / 196 firms / 2015-2020 | 来自共用案例 CSV |
| 因变量 | ln(1 + patent_count) | 企业创新产出 |
| 核心解释变量 | dfi_index | 数字普惠金融指数 |
| 输出文件 | arima_results.csv | empirical-wizard 对应方法产物 |
| 年度聚合观测 | 6 | 面板案例按 year 聚合 |
| ln Patent 年趋势 | 0.0993 | 年度均值趋势斜率 |
| DFI 年趋势 | 22.3130 | 数字金融指数年度变化 |
案例图
这是一张由同一份案例数据生成的页面内诊断图。
论文里怎么写
本文将企业面板按年份聚合后使用ARIMA 时间序列进行时间序列诊断。结果见 arima_results.csv。由于本教学案例年度观测较少，该页重点展示代码和解释框架，正式论文需要更长时间序列。
检查清单
- 先确定差分次数 d，让序列接近平稳后再选 p 和 q。
- 用 ACF/PACF、AIC/BIC 和残差白噪声诊断共同选择模型。
- ARIMA 主要是预测和动态刻画，不能直接写成政策因果效应。